Расширение PyTorch для создания и обучения моделей глубокого обучения на табличных данных со столбцами разных типов, включая текст и изображения.
PyTorch Frame — расширение для глубокого обучения на базе PyTorch, предназначенное для работы с гетерогенными табличными данными, где столбцы могут содержать числовые, категориальные, мультикатегориальные значения, временные метки, текст, изображения или эмбеддинги. Библиотека предоставляет модульный конвейер: преобразует pandas DataFrame в tensor frame, кодирует столбцы каждого типа, моделирует связи между ними и декодирует предсказания для каждой строки.
В библиотеку входят реализации нескольких архитектур для глубокого обучения на табличных данных, таких как FTTransformer, ResNet, TabNet, TabTransformer, Trompt и ExcelFormer, а также примеры использования XGBoost, CatBoost и LightGBM с Optuna для подбора гиперпараметров. Кроме того, в комплекте есть готовые к использованию бенчмарк-датасеты и поддержка пользовательских данных. Для кодирования текстовых столбцов можно использовать эмбеддинги моделей OpenAI, Cohere, Voyage AI или Hugging Face.
Библиотека напрямую работает на базе PyTorch и совместима с PyTorch Geometric, поэтому её можно объединять с другими моделями PyTorch, например для обучения на реляционных базах данных.
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Библиотека Python для самообучения на изображениях с компонентами PyTorch для обучения моделей компьютерного зрения без разметки.
Библиотека AutoML, которая обучает и объединяет ML-модели для табличных данных, временных рядов и мультимодальных данных с помощью нескольких строк Python-кода.
TensorBoard — веб-инструмент для визуализации и анализа запусков обучения TensorFlow, метрик, графов и эмбеддингов.
NLP-фреймворк на Python и PyTorch для распознавания именованных сущностей, анализа тональности, разметки частей речи и создания текстовых эмбеддингов.
Фреймворк с определениями современных моделей машинного обучения для текста, изображений, аудио и мультимодальных задач — для обучения и инференса.
Keras 3 — фреймворк для глубокого обучения, работающий на JAX, TensorFlow, PyTorch или OpenVINO для инференса.